Phương Sai Và Độ Lệch Chuẩn: Công Thức + Ví Dụ Dễ Hiểu

Phương sai và độ lệch chuẩn là hai đại lượng đo lường sự phân tán của dữ liệu xung quanh giá trị trung tâm. Trong khi trung bình cộng, trung vị và mode cho biết dữ liệu “tập trung ở đâu”, phương sai và độ lệch chuẩn cho biết dữ liệu “trải rộng như thế nào”. Đây là cặp đôi quan trọng nhất trong thống kê cơ bản, được ứng dụng rộng rãi từ kiểm soát chất lượng, đánh giá rủi ro tài chính, đến nghiên cứu khoa học.

Phương Sai Là Gì? Định Nghĩa Chính Xác

Phương sai (Variance) là trung bình của bình phương các độ lệch so với giá trị trung bình. Nó đo lường mức độ “phân tán” hay “lan rộng” của dữ liệu — phương sai càng lớn, dữ liệu càng phân tán.

Tại sao phải bình phương độ lệch? Vì nếu không bình phương, các độ lệch dương và âm sẽ triệt tiêu nhau và tổng luôn bằng 0 — không mang thông tin gì về sự phân tán.

Độ Lệch Chuẩn Là Gì? Mối Quan Hệ Với Phương Sai

Độ lệch chuẩn (Standard Deviation) là căn bậc hai của phương sai. Độ lệch chuẩn “đưa đơn vị về lại” đơn vị gốc của dữ liệu, giúp diễn giải dễ hơn phương sai.

Ví dụ: Nếu dữ liệu là điểm thi (thang 10), phương sai có đơn vị là “điểm²” (khó hình dung), còn độ lệch chuẩn có đơn vị là “điểm” — dễ hiểu hơn nhiều.

Công Thức Phương Sai Và Độ Lệch Chuẩn

Công thức phương sai mẫu (s²)

s² = Σ(xᵢ – x̄)² / (n – 1)

Trong đó:

• xᵢ: giá trị thứ i trong tập dữ liệu
• x̄: trung bình cộng của mẫu
• n: số lượng phần tử
• n – 1: bậc tự do (dùng n-1 thay vì n để ước lượng không chệch cho tổng thể)

Công thức phương sai tổng thể (σ²)

σ² = Σ(xᵢ – μ)² / N

Trong đó μ là trung bình tổng thể và N là tổng số phần tử tổng thể.

Công thức độ lệch chuẩn

Độ lệch chuẩn mẫu: s = √s²
Độ lệch chuẩn tổng thể: σ = √σ²

Hướng Dẫn Tính Tay Từng Bước — Ví Dụ Điểm Thi

Điểm toán của 6 học sinh: 5, 7, 8, 6, 9, 7

Bước 1: Tính trung bình cộng (x̄)
x̄ = (5 + 7 + 8 + 6 + 9 + 7) / 6 = 42 / 6 = 7

Bước 2: Tính độ lệch (xᵢ – x̄) cho từng giá trị

Bước 3: Tính phương sai mẫu (s²)
s² = 10 / (6 – 1) = 10 / 5 = 2

Bước 4: Tính độ lệch chuẩn mẫu (s)
s = √2 ≈ 1.41 điểm

Diễn giải: Điểm trung bình là 7, độ lệch chuẩn là ±1.41. Nghĩa là hầu hết học sinh có điểm trong khoảng từ 7 – 1.41 = 5.59 đến 7 + 1.41 = 8.41. Điều này phù hợp với dữ liệu gốc (5, 6, 7, 7, 8, 9).

Ví Dụ 2: So Sánh Hai Nhóm Học Sinh

Lớp A và lớp B đều có điểm trung bình = 7, nhưng phân phối rất khác nhau:

Cùng điểm trung bình 7, nhưng lớp A đồng đều (độ lệch chuẩn nhỏ), lớp B có sự chênh lệch lớn giữa học sinh giỏi và yếu (độ lệch chuẩn lớn). Đây là thông tin quan trọng mà chỉ nhìn vào mean thôi sẽ bỏ qua.

Ý Nghĩa Thực Tế Của Phương Sai Và Độ Lệch Chuẩn

Trong Tài Chính — Đánh Giá Rủi Ro Đầu Tư

Độ lệch chuẩn của lợi nhuận là thước đo rủi ro cơ bản nhất trong tài chính. Cổ phiếu có độ lệch chuẩn lợi nhuận cao = rủi ro cao (biến động mạnh). Cổ phiếu có độ lệch chuẩn thấp = ổn định hơn.

Hai cổ phiếu cùng lợi nhuận kỳ vọng 12%, nhưng cổ phiếu B có thể cho lợi nhuận từ -6% đến +30% (12±18), trong khi cổ phiếu A dao động trong khoảng 9%-15% (12±3). Nhà đầu tư thận trọng sẽ chọn A, nhà đầu tư chấp nhận rủi ro cao có thể chọn B.

Trong Sản Xuất — Kiểm Soát Chất Lượng (QC)

Trong sản xuất, độ lệch chuẩn đo lường tính nhất quán của quy trình. Một dây chuyền sản xuất chai nước 500ml với đo lường 5 chai:

• Dây chuyền A: 499, 500, 501, 500, 499 ml → σ ≈ 0.7ml (chất lượng đều)
• Dây chuyền B: 490, 510, 505, 495, 500 ml → σ ≈ 7.1ml (cần hiệu chỉnh)

Tiêu chuẩn 6-Sigma trong sản xuất hiện đại yêu cầu độ lệch chuẩn cực nhỏ — sai số không quá 3.4 phần triệu sản phẩm.

Trong Giáo Dục — Phân Tích Kết Quả Thi

Giáo viên dùng độ lệch chuẩn để đánh giá đề thi. Độ lệch chuẩn quá nhỏ → đề quá dễ hoặc quá khó. Độ lệch chuẩn hợp lý (khoảng 10-15% thang điểm) cho thấy đề phân hóa tốt học sinh.

Quy Tắc 68-95-99.7 (Empirical Rule)

Với phân phối chuẩn (phân phối hình chuông), quy tắc thực nghiệm nổi tiếng cho biết:

• 68% dữ liệu nằm trong khoảng (μ – σ, μ + σ) — tức là trong 1 độ lệch chuẩn
• 95% dữ liệu nằm trong khoảng (μ – 2σ, μ + 2σ) — trong 2 độ lệch chuẩn
• 99.7% dữ liệu nằm trong khoảng (μ – 3σ, μ + 3σ) — trong 3 độ lệch chuẩn

Ví dụ thực tế: Chiều cao nam giới Việt Nam có μ = 168cm, σ = 6cm:
– 68% nam có chiều cao từ 162cm đến 174cm
– 95% nam có chiều cao từ 156cm đến 180cm
– 99.7% nam có chiều cao từ 150cm đến 186cm

Phương Sai Và Độ Lệch Chuẩn Trong Excel

Trong hầu hết trường hợp thực tế, bạn làm việc với mẫu chứ không phải toàn bộ tổng thể, vì vậy dùng VAR.S và STDEV.S là đúng.

Câu Hỏi Thường Gặp (FAQ)

Phương sai và độ lệch chuẩn cái nào quan trọng hơn?

Cả hai đều quan trọng nhưng cho mục đích khác nhau. Phương sai (s²) được dùng trong nhiều công thức thống kê nâng cao (ANOVA, hồi quy). Độ lệch chuẩn (s) dễ diễn giải hơn vì cùng đơn vị với dữ liệu gốc. Trong thực tế và báo cáo, độ lệch chuẩn được dùng nhiều hơn.

Tại sao phương sai mẫu chia n-1 thay vì n?

Đây là “hiệu chỉnh Bessel” (Bessel’s correction). Khi chia cho n, phương sai mẫu có xu hướng ước lượng nhỏ hơn phương sai thực của tổng thể (underestimate). Chia cho n-1 tạo ra ước lượng không chệch (unbiased estimator). Đây là nguyên tắc thống kê cơ bản quan trọng.

Độ lệch chuẩn có thể âm không?

Không. Độ lệch chuẩn luôn ≥ 0. Nó bằng 0 khi tất cả các giá trị trong tập dữ liệu đều bằng nhau (không có sự phân tán). Không có ý nghĩa vật lý cho độ lệch chuẩn âm.

Coefficient of Variation (CV) là gì?

CV = (Độ lệch chuẩn / Mean) × 100% — là tỉ lệ phần trăm của độ lệch chuẩn so với trung bình. CV cho phép so sánh mức độ phân tán giữa các tập dữ liệu có đơn vị khác nhau. CV < 15%: ít phân tán. CV 15-30%: phân tán vừa. CV > 30%: phân tán nhiều.

Khi nào phương sai và độ lệch chuẩn không đáng tin cậy?

Chúng kém đáng tin cậy khi: (1) cỡ mẫu nhỏ (n < 30), (2) dữ liệu có outlier cực đoan, (3) phân phối không chuẩn. Trong các trường hợp này, nên dùng IQR (khoảng tứ phân vị) thay thế để đo phân tán.

Kết Luận

Phương sai và độ lệch chuẩn là “đôi bạn đồng hành” không thể thiếu trong phân tích thống kê. Hiểu cách tính, biết diễn giải, và áp dụng đúng ngữ cảnh — từ tài chính đến y tế đến kiểm soát chất lượng — sẽ nâng tầm khả năng phân tích dữ liệu của bạn lên một mức hoàn toàn mới.

Để hoàn thiện bộ kỹ năng thống kê, đọc thêm về tần suất và bảng tần số — công cụ tổng hợp dữ liệu trước khi tính phương sai. Xem tổng quan đầy đủ tại hướng dẫn thống kê cơ bản.

🔢 Dùng ngay công cụ tính % tại 1phantram.com — Tính Coefficient of Variation (CV = σ/μ × 100%) và các tỉ lệ phần trăm thống kê nhanh chóng!